Evaluating the Feasibility of Standard Facial Expression Recognition in Individuals with Moderate to Severe Intellectual Disabilities

要約

最近の研究では、ユーザーが機械と人間のようなやりとりを好む傾向が高まっていることが明らかになりました。
その結果、顔の表情認識は、ソーシャルロボットにユーザーの感情状態を識別する能力を与える手段として重要性を増しています。
この調査では、私たちの知る限り文献ではまだ研究されていない、知的障害を持つ個人の顔の表情を認識するための、この分野での顕著なパフォーマンスで知られる深層学習アプローチの適合性を評価します。
この目的に取り組むために、知的障害のある個人を含まないデータセットのアンサンブルと、知的障害のある個人を特徴とするデータセットを含む、12 の異なる畳み込みニューラル ネットワークのセットをさまざまなアプローチでトレーニングします。
異なるトレーニング条件下でさまざまなモデルによって達成された結果を調査し、説明可能な人工知能技術によって促進された表情認識中の重要な顔領域の包括的な分析と組み合わせて、知的障害のある人とない人の間で顔の表情に大きな違いがあることを明らかにしました。
知的障害のある人の場合と同様に。
注目すべきことに、私たちの調査結果は、ユーザー固有のトレーニング方法論をカスタマイズすることにより、この集団内での顔の表情認識の実現可能性を実証しており、これによりモデルが各ユーザーの固有の表情に効果的に対処できるようになります。

要約(オリジナル)

Recent research has underscored the increasing preference of users for human-like interactions with machines. Consequently, facial expression recognition has gained significance as a means of imparting social robots with the capacity to discern the emotional states of users. In this investigation, we assess the suitability of deep learning approaches, known for their remarkable performance in this domain, for recognizing facial expressions in individuals with intellectual disabilities, which has not been yet studied in the literature, to the best of our knowledge. To address this objective, we train a set of twelve distinct convolutional neural networks in different approaches, including an ensemble of datasets without individuals with intellectual disabilities and a dataset featuring such individuals. Our examination of the outcomes achieved by the various models under distinct training conditions, coupled with a comprehensive analysis of critical facial regions during expression recognition facilitated by explainable artificial intelligence techniques, revealed significant distinctions in facial expressions between individuals with and without intellectual disabilities, as well as among individuals with intellectual disabilities. Remarkably, our findings demonstrate the feasibility of facial expression recognition within this population through tailored user-specific training methodologies, which enable the models to effectively address the unique expressions of each user.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google